Maschinelles Lernen
-
Anomalie-Erkennung zur Predictive Maintenance mittels der Software KNIME
Wie lässt sich die vorausschauende Wartung umsetzen? Ein Ansatz stellt die Anomalie-Erkennung, also die Erkennung einer Abweichung vom „Normalfall“, dar. In diesem Workshop werden zuerst die theoretischen Grundlagen zum Einsatz der vorausschauenden Wartung, mit deren Vor- und Nachteilen, beleuchtet sowie anschließend ein praktisches Beispiel mittels der Open Source Software KNIME durchexerziert. →mehr erfahren
-
Vorgehensmodell für Maschinelles Lernen in der Produktion
Machine Learning for Production, kurz ML4P, bietet Unternehmen einen strukturierten Weg zur Implementierung von Methoden des Maschinellen Lernens in Produktionsprozesse. Wir stellen das Vorgehensmodell vor. →mehr erfahren
-
Künstliche Intelligenz in der Produktions- und Auftragssteuerung
Künstliche Intelligenz ist im Zuge der Digitalisierung immer wichtiger. Auch in der Produktion lässt sie sich sehr gut einsetzen. Unternehmen können damit Prozesse überwachen, optimieren und steuern. Wir geben einen Einblick. →mehr erfahren